人脸检测和人脸识别
一次学习（one shot learning）
这种情况一般是学习一个相似函数来比对两张图片的相似性，如下图所示 ，比较两张图片的区别，区别越大则输出越大，当输出小于某个阈值时可认为是同一个人。
siamese网络
siamese网络就是要使若输入图片是同一个人的话，范数差的平方要尽可能的小，不是同一个人时，尽可能的大。
三元组损失（Triplet loss）
为了实现上面的Siamese网络，定义如下三元组损失函数，其中是间距（类似支持向量机），当绿框中的函数值小于0时则误差为0，大于0时则为该值。 代表目标对象，代表与目标对象是同一个人，代表与目标对象不是同一个人。
实际上绿框中的公式小于0是很容易满足的，所以选取三元组时应尽量使图片相似。
面部特征与二分类
如下图所示，可以在网络最后一层加一层逻辑回归，使人脸检测转化为二分类问题，实际中可以将员工的特征编码存储起来，不必每次都重新计算。